SEO外包平台,我们为您提供专业的企业网站SEO整站优化外包服务 SEO设置

SEO外包平台

专注于企业网站SEO整站优化外包服务

设计师如何进行数据分析?

作者:jcmp      发布时间:2021-05-06      浏览量:0
1.设计师为什么要做数据分析?衡量一个设

1.设计师为什么要做数据分析?

衡量一个设计师成不成功、牛不牛逼的标准,并不是看他能画多漂亮的设计稿、画多漂亮的插画、会多少种不同的设计软件,不是看他受过几年的高等教育、学历有多高、懂多少设计原理和方法论,不是看他呆过哪个团队做过哪个项目、职位有多高、工资有多少,而是看他做成了什么。

如果我在做一个产品,只要这个产品没成功,没对用户产生价值,没达到预定合理的目标,那我做为这个产品的设计师,我就是失败的。只有这个产品获得成功,我们的设计才算是成功的,我们的设计才是有价值的。

所以,设计师为什么要做数据分析呢,为什么要学做数据分析呢,因为,数据分析作为通过量化的数据进行发现问题、验证问题,解决问题的过程,能让我们把产品做得更好。

而且, 在接下来的十年里,数据分析一定会成为产品经理和设计师们最重要的核心技能,之一。

2.数据分析有什么用?

2.1验证产品有价值

产品上线之后,有没有效果,有没有对用户产生价值,其实是没有办法非常直观地看得出来的。所以要数据分析,只要通过观察用户数据,有没有日活,有没有流量,用户平均停留时长是多少,转化率是多少等等,才能知道我们设计的产品有没有对用户产生价值,才能知道用户对我们的设计认不认可。

2.2.优化用户体验流程

通过后台的数据分析,我们可以检验用户的体验历程是否与我们设计产品的思路是否一样,是否有偏差,如果有的话是否有什么可以优化的方案,通过这样的分析和优化方法达到优化用户体验的效果。

2.3.以数据驱劝设计

不善言辩的设计在与产品等相关方的争论中常常处于下风,如何证明我们的设计思路是正确的,设计方向是正确的,如何证明我们的优化方案是对产品的提升的,怎样证明我们的设计方案是值得推进的?数据分析便是最好的证明,用户可能会骗人,但数据不会。通过数据 ,我们能发现产品设计中存在的问题,验证存在的问题,优化并解决存在的问题。

2.4.提升产品留存和产品生存概率

AARRR漏斗分析模型,用来监测整个产品周期的用户价值,经过合理的AARRR漏斗分析模型数据分析,我们可以发现用户在拉新,激活,留存、变现等不同的阶段是否存在的问题,是否可以设计一些实验和方案去优化这个转化,提高产品的转化率,从而才可以提升产品的留存和我们产品的生存概率。

3 、怎样进行数据分析?有什么数据分析方法及模型?

3.1.1用户画像分析

按照正规的流程,我们在设计一款产品之初,会进行一些用户调研的工作,用户画像就是最基础的部分。我们在做好用户画像之后,产品的信息功能设计都会根据这些用户画像的需求来设计。所以,等产品上线之后,我们就可以拿到真实的用户数据,分析真实的用户画像,就可以拿来与产品设计之初建立的用户画像做对比,看是否与原来预设的一致。如果不一致,那原因又是什么?就可以发现更多的问题,发现更加真实的用户画像。

用户画像分析可以从以下几个方面进行分析:

人口属性:性别、年龄等人的基本信息

兴趣特征:浏览内容、收藏内容、阅读咨询、购买物品偏好等

位置特征:用户所处城市、所处居住区域、用户移动轨迹等

设备属性:使用的终端特征等

行为数据:访问时间、浏览路径等的行为日志数据

而且,在积累了一定的用户量之后对真实的用户画像进行数据分析,我们会发现不同的用户群体对产品的接受程度是不一样的,我们就可以在设计产品时针对特写的用户群进行优化,以达到扩大该用户群的效果。

比如我们做语音导游的,假如说我们可能会发现总用户里面中老年人的旅客比例是偏高的,但语音讲解用户是年轻人偏多,我们是否就可以在产品设计上简化语音讲解的操作,让语音讲解的操作和交互更加符合中老年人的使用习惯,是否可以提高这个群体对我们核心功能的使用频率呢?

3.1.2.用户渠道分析

比如说我们可能从用户渠道分析数据中发现从公众号引流过来的用户和从搜索引擎进来的用户数量比例是一比一,但是搜索引擎进来的用户明显地使用时长和留存率都比公众号的用户要高,那我们是否可以在运营设计的时候减少公众号引流的资源投入,增加对搜索引擎的SEO优化呢?

3.2、用户行为分析

对于设计师来说 最具有启发意义的应该就是用户行为数据分析了。我们在设计产品的界面,设计产品的交互逻辑和功能的时候一般来说都是按照设计师个人的一些设计经验和成文的一些设计规范进行设计,但是设计好之后用户是不 是跟你想的一样,是不是按照设计好的体验流程来走,这些交互的逻辑是不是真正用户想要的,我们是不知道的。虽然设计好之后我们可能会做一些用户测试,但测试用户毕竟不能代表真正的用户。所以,等我们有了一些用户基础,就可以查看一些用户行为 的数据,就可以知道用户想要的与自己为用户设计的是否一致了,就可以自已的设计是否为用户产生价值了。

挖掘用户行为数据的方法和分析方法也是非常多的,其他杂七杂八的就不多说了, 挑一些简单明了,傻瓜式的,看的懂的数据分析方法跟大家讲下。

3.2.1.热力图

热力图其实是从pc时代的互联网产品延续下来的界面分析方法。热力图其实就非常简单,就直接在相关的界面上把用户点击的频率用颜色表示出来,颜色越红的表示用户点击得越多,该入口进去的用户越多。热力图有个很明显的优点,就是能把用户感兴趣的内容及用户的流向非常直观地表达出来,但缺点也是有的,一个窗口只能展示一个界面的数据,当我们想要分析由好几个页面组合而成的交互功能时,就比较麻烦了。

3.2.2.用户行为路径图

这种用户行为路径图功能非常强大,能非常直观地把每个界面用户访问的数量,每个界面用户流向的比例,流失的比例等等,也可单点击其中的卡片,就可以看到流经过这个界面的用户是从哪里进来的,最终流向了哪里,流失掉的比例是多少等等非常关键的信息,我们就可以分析清楚产品的信息架构有没有问题,功能交互上有没有问题等等。这种数据图对于我们分析用户的体验历程,优化用户体验有非常重要的参考意义。

3.2.3.漏斗分析

产品中很多功能和交互其实都是一个漏斗,而且通常漏斗最下端的事件可能就是我们产品的商业目标,所以产品中非常多的功能点的交互流程都可以用漏斗来进行分析。

比如下面的这张图,假如客户想要成功购买一个产品,他必须经过的几个主要的事件是,查看商品列表-查看详情-加入购物车-付款,那我们把这个漏半建立起来 ,分析每一个环节的转化率,如果某个环节的流失率非常严重,就可以针对特定的环节进行设计上的优化。

3.3用户转化分析

3.3.1 AARRR漏斗分析模型

AARRR也叫海盗指标,是属于漏斗模型的一种,AARRR其实是表示aquisition(获客)、activation(激活)、retention(留存)、revenue(转化)、refer(推荐)五个单词的首字母,分别对应的是用户生命周期的五个阶段。

LTV( lift time value )

很多人看了上面这张图之后,或者看过了非常多的这个模型的介绍之后,其实对AARRR这个概念模型其实还是一头雾水一脸懵逼的。我们想要理解这个模型,得要先了解一个词,叫用户生命周期价值,即 lift time value 。即用户在使用我们的产品过程中所产生的终生价值。

所以AARRR对应该的五个主要阶段解决应该如下:

理解了这个之后,就可以进行进一步的研究了。因为几乎所有的产品想要获得成功,他们的用户基本上都会经历上面的五个流程,获取用户,激活用户,留存用户,转化在收入,传播。但是这五个阶段在用户行为上面有时候是非常的不清晰的,那这个模型应该怎么去用呢,要使用好这个模型,最重要的是为每 个阶段制定好合理的可量化指标。

3.3.2.制定可量化指标

获取(acquisition)

这个从字面上就好理解,就是获取用户,就是说产品开发出来之后,采取什么样的运营方式和策略,通过哪种推广渠道,让用户知道你的产品,并吸引用户过来使用产品。一般来说,获取用户的可量化指标也是很容易建立的。比如APP的推广,很多人就把用户下载了一个APP就算获取了一个用户,也有人把用户注册并登录了才算获取一个客户。每个团队的产品不一样,制定可量化的指标也不一样,关键是合理就行了。

激活(activation)

有些产品把这个指标定为活跃用户,表示说一个用户成为了活跃用户,这个用户就被激活了。这个说法其实也有一定的道理。也有些人认为用户只要注册并登录了,就是一个激活用户了。

但是,这个指标的应该是从产品价值上面去制定的。用户什么时候被激活呢,应该是用户在第一次体验到产品的价值的时候。用户只有体验到了某个产品的核心价值,并认为这个东西是有价值的时候,才会重复地回来。否则的话用户来过一次之后,就一去不返了。那用户什么时候会体验到产品的核心价值呢,这就是仁者见仁智者见智的问题了。

对于一个做培训课程的产品来说,用户可能要体验过一个课程之后才知道这个产品对自己是有用的。对于语音导游的产品来说,可能用户要听过一次语音导游讲解才知道产品的价值,才算是补激活。

留存 (retention)

留存,这个概念也好理解,用户再次回来使用我们的产品和服务,就表示是有留存的,这个相应的可量化指标,很多团队的定义都不一样。有些团队把用户第二次回来就算是一个留存的用户了,也有些团队把用户第五次回来才确定这个用户是忠诚的,不会走的留存用户,也还有些团队把第二个月用户还回来使用他们的产品的用户才算留存用户。每个团队根据自己产品属性的不同可以自定义自己的留存用户的可量化指标,只要合理就行。其核心应该是再次回来体验产品的核心功能和服务的人价值的用户。

转化(revenue )

这个其实也好理解,因为对于绝大多数产品来说,产品都是为了完成某商品或者服务的销售。我是做电商的,那我把商卖给了你,你就是一个转化的用户了;我是做音乐平台的,你在平台上订阅了包月会员或者包年会员 ,你就是一个转化的用户了。所以这个转化的可量化指标,也相对来说比较容易建立的。

推荐(refer)

这个用户价值最后一个阶段为什么是推荐呢?其实可以这样理解,设身处地地想,我们平时在使用一些好的产品或者服务,比如用到一个好用的APP,或者听到一首好听的音乐,看到一段搞笑的视频,我们都会想着要分享给别人。所以一个产品如果真正的能为用户产生价值,用户是会自发地把你的产品或者服务推荐给更多的人的。

所以,我们在看AARRR漏斗的时候,它的最下端其实是一个向下开口的形状。从最上面用户的获取、激活、留存、转化都是逐步收窄的,每一个阶段都会流失掉一部分的用户,但是到了下面用户真正体验到我们产品的价值的时候,就会自发地为我们拉来更多的用户了。这也是为什么一个健康的产品其实是有一定的自然增长量的原因。

所以这个可量化的指标出不难建立,只要用户为我们拉来了新用户,就可以视这个用户为推荐用户。

3.3.3AARRR漏斗的使用

以上就是AARRR可各个阶段的分析和可量化指标的建立的方法。只要建立了可量化的指标,就可以回到我们上面所讲到的用户行为数据分析这个层面来。用户行为数据已经有了,把数据按照建立起来的AARRR可量化指标,就可以搭建出非常清晰的数据模型,如图。

通过这个图 ,我们就可以分析到每一个关键的阶段的转化率是多少,可以比较不同时期或者不同的运营推广活动的时候的漏斗转化情况。比如说获客只有30%,那我们是不是可以考虑调整一下推广策略或者不同的推广渠道,是否可以提升这个获客的漏斗呢?比如说留存率比较高了,但购买的转化率偏低,是不是可以考虑调整一下价值策略什么的,来扩大这个漏斗呢?比如说用户推荐率很低,那我们是不是可以在产品设计过程中增加一些推荐好友获得奖励的一些方案呢?

当然AARRR的漏斗分析模型的使用我只是简单描述了一下使用和方法,实际的过程中根据不同的项目使用可能会存在差异。但总体的原理还是一样的。

4、数据分析工具

一般来说,都是使用什么样的工具来进行数据分析呢?其实数据分析没有特定的工具,有人直接拿excel从后台录入数据也能做分析,有人直接发从数据库查找再拿笔和纸来做记录也能做数据分析,也有一些比较通用的数据分析平台和数据可视化的工具。以前使用过的主要是power BI 和GA,给大家分析和对比一下。

powerBI

PowerBI是微软公司推出的一款数据可视化工作,它主打的功能是数据的可视化,,更多用于一些商业数据分析、报表等,而并非专门用于互联网产品的数据分析。但是它有一个比较好的优点就是可以随意对接任意的数据源,也可以自由接入产品数据库,直接访问已经产生在数据库里的用户行为数据。

GA (google analytics )

GA,是谷歌公司推出的一款产品数据分析工具,GA其实已经包含了比较成体系的产品数据分析功能,而且他们的用户行为路径数据的展示也是非常直观清晰的,GA的优点是针对互联网产品有非常成体系的数据分析体系,但也有个缺点,就是在使用之前得要经过开发工程师的二次开发,即埋点。要对所有的用户行为事件节点进行重新埋点。对于开发工程师来说,是个不小的工作量。

现在市场上的数据分析工具其实非常多,除了上面讲到的两个之外,还有adobe 公司出的adobe analytics 、大数据页面常调用的Echartjs , 百度统计、growingIO,fineBI 等等,多而杂,挑到合适自己用的就行。数据分析工具就介绍到这里,没办法一一讲得很细,大家如果有兴趣可以自行上百度谷歌一下,再慢慢深入研究。

数据分析方法就先分享到这里,本文只是依据个人的一些经验简单阐述数据分析一些方法而已,真正想要理解数据分析及体验数据分析带来的好处,得要切身去实践才能加深学习和理解。希望对广大对数据分析仍是一头雾水的设计师们有所启发。

END